设计应用

基于深度学习的车辆检测算法研究

作者：苏欣欣，郭元术，李妮妮
发布日期：2021-06-10
来源：信息技术与网络安全

0 引言

由于汽车保有量的快速增多和城市交通管理系统的尚未完善，一系列的交通道路问题不断产生。针对诸多的交通拥堵和交通事故频发等问题，智能交通系统的理念被提出。车辆目标检测技术作为智能交通系统最关键的环节，如何在实际道路的复杂背景下，采集全面有效的信息并进一步快速、准确地对目标车辆进行定位和识别，是一个有高度研究价值的课题。

目前，车辆检测算法主要分为两类：传统的车辆检测算法和基于深度学习的车辆检测算法[1]。前者常用的方法有方向梯度直方图[2]、尺度不变特征变换[2]、局部二值模式[2]等。张涛等[3]在Haar车辆检测算法基础上做一定的算法优化，即通过对滑动尺寸的合理设定以及对检测区域的合理划分，显著地提高了车辆检测算法的运行速度和系统的实时性。张小琴等[4]针对目前车辆品牌分类存在识别率低和检测速度慢等问题，提出了方向梯度直方图(Histogram of Oriented Gradient，HOG)和支持向量机(Support Vector Machine，SVM)相结合的方法，对车辆进行分类识别。




本文详细内容请下载：http://www.chinaaet.com/resource/share/2000003596




作者信息：

苏欣欣，郭元术，李妮妮

(长安大学 信息工程学院，陕西 西安710064)



此内容为AET网站原创，未经授权禁止转载。
YOLOv3算法 SSD算法 车辆实时检测 深度学习 目标检测

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2

Baidu
map